FRONTEOのKIBITは、専門家が選んだ文書を教師データにして、特許公報などを関連性スコア順に並べる専門用途の自然言語・文書解析AIです。生成AIのように文章を作ることではなく、調査者が読む候補と順番を作ることが中心です。
KIBIT Patent Explorerの順位は、特許の新規性・進歩性や無効理由を自動で確定するものではありません。公開日、優先日、請求項の全要素、技術的な対応関係は、知財担当者や弁理士が確認します。
Patent Explorer Xは、2021年のFRONTEO発表で従来のKIBITからConcept EncoderへAIエンジンを切り替えたと説明されています。JPO案件や3,000件を5時間で確認する例も、研究の範囲や会社の利用例と、第三者が再現した性能値を分けて読みます。
導入前は、教師データ、対象公報の範囲、スコアの意味、最終確認者、現行エンジン、機密文書の扱いを自社データで確認してください。
FRONTEOのKIBITとは？
表のように項目が決まっていない文章やメール、特許公報などを非構造化データと呼びます。FRONTEOはKIBITを、人が日常的に使う言葉である自然言語と、非構造化データを扱う自社AIとして説明しています。FRONTEOのKIBIT公式ページでは、専門家の判断や暗黙知（経験者が明文化しにくい判断基準）を扱い、文章の解析や文書間の関係把握を支援する仕組みとして紹介しています。
生成AIではなく文書の候補を並べるAI
生成AIは、入力された指示に応じて文章や画像などを作ります。調査者が「この調査で重要」と判断した文書を例として選び、こうした例の文書を教師データと呼びます。KIBITについて公開資料から確認できる中心的な役割は、教師データをもとに別の文書を分類・検索し、関連性の順に並べることです。
FRONTEOの英語版KIBIT説明も、検索・分類、情報の発見・抽出、関係の可視化を中心に説明しています。したがって、KIBITを「質問に答えるチャットボット」とだけ理解すると、特許調査での役割を取り違えます。公開ページだけでは、内部の数式や学習済みモデルの詳細、第三者による比較実験までは確認できません。
KIBIT Patent Explorerの仕組み
特許調査では、検索語だけでは表現の違う文献の確認順を決めにくいため、調査者が読む候補文献を順位付けする製品が使われます。調査者が特許公報、発明提案書、請求項などから教師データを選びます。AIは、検索対象となる特許文書全体（母集団）に関連性スコアを付けます。この製品をKIBIT Patent Explorerと呼びます。
教師データから関連性スコアへ
調査者が「近い」と考える文書を教師データにすると、KIBIT Patent Explorerは教師データの特徴をもとに特許文書を並べ替えます。キーワードの一致だけでなく、教師データと文書の関連性を数値で見比べ、読む順番を作る考え方です。Patent Explorer製品ページは、無効資料、先行技術、技術動向などの調査でこの仕組みを使うと説明しています。
この順位付けで得られるのは、確認の優先順位です。上位に出た文献が、特許法上の先行技術になるとは限りません。公開日や優先日、請求項の全要素、技術的な対応関係は、担当者が文献を読みながら確かめます。
調査者が候補を確認するまで
調査者とAIの役割は、次の3段階に分かれます。
- 調査者がキーワードなどで対象文献の母集団を作ります。
- 調査者が発明提案書や請求項などから教師データを選びます。
- AIが文書へ関連性スコアを付け、調査者が上位文献から内容を確認します。
NRI Cyber Patentとの共同プロジェクト資料には、上位10〜20％を重点的に確認する流れが記載されています。ただし、これは共同プロジェクトの設計説明です。すべての案件に同じ確認範囲や精度を適用できる保証ではありません。
特許調査で任せられる範囲
KIBIT Patent Explorerに任せやすいのは、膨大な文献を読み始める前に、候補を並べて確認順を作る工程です。検索式の作成、本検索、スクリーニング（候補文献を人が読む段階）を支援する製品説明があり、調査者が読む量と順番を見直すきっかけになります。
導入後の選択肢は、AIの順位を使って上位から確認する運用と、従来の検索結果を一定の順番で確認する運用です。比較軸は、重要文献を拾えた割合、確認した文献数、確認時間、担当者間の判断差に置きます。KIBIT Patent Explorerを使うかどうかは、重要文献を拾えた割合、確認した文献数、確認時間、担当者間の判断差を同じ母集団で測って決めます。
AIの順位を法的な結論へ置き換えることはできません。例えば無効資料調査では、スコアの高い文献が見つかっても、単一の文献が請求項の全要素を開示しているか、公開日が基準日前かを担当者が確認します。AIの候補発見と、知財担当者や弁理士による証拠確認は別の工程です。
| 工程 | KIBIT Patent Explorerに期待できる支援 | 担当者が確認する内容 |
|---|---|---|
| 候補発見 | 教師データをもとに文書を関連性順に並べる | 母集団に必要な国・公報種別・期間が入っているか |
| スクリーニング | 上位文献から読む順番を作る | 請求項の全要素、公開日、優先日、技術的な対応関係 |
| 法的評価 | 直接の結論は出さない | 新規性・進歩性、無効理由、クリアランス上の判断 |
特許調査ソリューションの説明も、技術動向、先行技術、侵害予防や、製品化・実施の前に他社の権利を侵害するおそれを調べるクリアランス、無効資料という用途を示しています。用途が広くても、最終判断までAIだけで完了するという意味ではありません。
製品世代と導入事例の読み方
KIBITに関する古い説明と、現在のPatent Explorerの仕様を同じものとして読むと、調査結果を誤って一般化するおそれがあります。製品名、発表年、AIエンジンを一緒に確認してください。
Patent Explorer XのAIエンジン
FRONTEOは2021年8月2日の発表で、Patent Explorer Xについて、従来のKIBITから別のAIエンジンへ切り替えたと説明しています。文章を数値の並びに変換する処理をベクトル化と呼びます。FRONTEOは、この処理を使うAIエンジンをConcept Encoderと呼んでいます。データの整備とベクトル化によって、より大きな母集団や操作性、解析精度を検証段階で改善したという会社の説明があります。
この発表から確認できるのは、少なくともPatent Explorer Xの発表時点で、従来のKIBITとは異なるエンジンへの切り替えが示されたことです。2026年時点の現行構成、提供プラン、更新状況までは、今回確認した公開資料だけでは断定できません。導入時には製品名だけでなく、契約対象のAIエンジンを確認してください。
JPO案件と企業PoCの適用範囲
2017年のFRONTEO発表は、特許庁が商品や役務を似た分野ごとに分類するコードの自動付与を対象に、KIBITを使う実証研究を委託したと説明しています。このコードを類似群コードと呼びます。資料から確認できるのは、研究の目的、システムの再現要件、約4,000万円の予算上限です。
独立したIP法律事務所の解説も、契約、目的、費用を同じように説明しています。ただし、公開資料から類似群コードの付与率、審査時間、誤付与率、本番運用の継続は確認できません。実証研究の契約を、導入成功の証拠へ広げてはいけません。
北陸銀行を含む企業の実用化検証資料も、取引記録の分類・抽出や金融商品の説明モニタリングを約2か月で検証する計画を示しています。本番運用へ移せるかを確かめる検証をPoC（概念実証）と呼びます。PoCは、本番運用の結果ではなく、実用化できるかを確かめる段階です。
KIBITを導入するときの確認項目
公開資料からKIBITの機能は確認できますが、価格、現在のAIエンジン、再現率（重要文献をどれだけ拾えたかを示す割合）、見落とし率、顧客ごとの実績までは確認できません。導入を検討する担当者は、製品デモの印象ではなく、自社の特許調査データで次の5条件を確認してください。
- 教師データに何を選ぶかを決めます。発明提案書、請求項、過去に重要と判定した公報など、教師データの種類と選定者を記録します。
- 母集団の範囲を固定します。対象国、公報種別、公開期間、非特許文献を含むかを明記し、AIが見ていない文書を見落としと数えないようにします。
- スコアの意味を確認します。スコアが高い文献を何件読むのか、順位が変わる条件は何か、同じ教師データで再実行したとき結果がどの程度一致するかを測ります。
- 人の確認範囲を決めます。上位何％を見るかだけでなく、下位から無作為に抽出して重要文献が残っていないかを調べます。
- 製品世代とデータ管理を確認します。契約対象のAIエンジン、データベースの更新頻度、教師文書の保存場所、機密文書の暗号化方式、ログの保持期間を確認します。
FRONTEOの2018年資料は、クラウド分析前に教師文書を暗号化する方式を説明しています。ただし、2018年資料の暗号化方式が2026年のすべてのプランへ同じように適用されるとは確認できません。過去の資料は確認項目の候補として使い、契約対象の仕様書で確かめてください。
性能についても、会社の利用例と第三者が再現した性能値を分けて読みます。Patent Explorerの公式ページには、3,000件の公報を通常50時間で確認する作業を5時間に短縮する例があります。これは会社が示す利用例であり、第三者が同じ条件で再現した性能値ではありません。4,000倍という速度の説明も、対象タスクや測定方法が公開資料だけでは分かりません。自社の母集団と担当者で、処理時間だけでなく重要文献の再現率と確認漏れを測ってください。
私が公開資料を読み比べて感じたのは、KIBITの採用判断を一つの速度の数字だけで決めるのは危うい、ということです。教師データを誰が選び、どの文書を母集団に含め、順位付けの後に誰が何を確認するのか。教師データの選定から法的確認までを記録できるかどうかが、知財業務で使い続けられるかを左右します。
よくある質問（FAQ）
FRONTEOのKIBIT、KIBIT Patent Explorer、Patent Explorer X、導入時の確認範囲について、公開資料から確認できる内容を答えます。
Q1. KIBITは生成AIですか？
公開資料はKIBITを、生成AIとは異なる専門用途の自然言語・文書解析AIとして説明しています。中心的な役割は文章を生成することではなく、教師データをもとに文書を分類・検索し、関連性の順に並べることです。
Q2. KIBIT Patent Explorerは特許の結論を自動で出しますか？
いいえ。公開資料から確認できるのは、特許公報などを関連性スコアで順位付けし、読む候補を絞る支援です。新規性・進歩性、無効理由、侵害のおそれを最終的に判断するときは、担当者が請求項、公開日、優先日などを確認します。
Q3. Patent Explorer XもKIBITを使っていますか？
現在の製品構成を、従来のKIBITと同じものとしては扱えません。FRONTEOは2021年のPatent Explorer X発表で、従来のKIBITからConcept EncoderへAIエンジンを切り替えたと説明しています。2026年時点の現行構成は、提供元の最新仕様で確認してください。
Q4. JPOはKIBITを本番導入したのですか？
今回確認した公開資料からは、KIBITを使う実証研究の契約、目的、費用は確認できます。しかし、付与率や審査時間、本番運用の継続、導入効果までは確認できません。実証研究の開始を本番導入の成功へ置き換えることはできません。
Q5. 3,000件の特許公報を5時間で確認できますか？
FRONTEOの公式ページには、3,000件の公報を50時間から5時間へ短縮する例があります。ただし、対象データ、担当者、確認の定義、再現率、誤検出率（重要でない文献を候補に含めた割合）が公開されていないため、一般的な性能値とは扱えません。自社データで再測定してください。
Q6. KIBITの公開特許が製品性能を証明しますか？
証明しません。公開特許は文書分類やスコアリングに関する技術的な系譜を確認する材料です。特許の書誌事項、現在の権利範囲、製品の実装、製品性能は別々に確認します。
調査手法について
こちらの記事はグラフAIリサーチプラットフォームのSnorbeを使って作られています。Snorbeは研究開発・新規事業向けの調査テーマに応じた幅広い項目のオートリサーチや、ナレッジグラフの構築、構造化レポートの生成ができるAIリサーチツールです。
Screenshot
調査したいテーマを入力するだけで、AIが深堀りすべき観点や広げるべき調査項目をレコメンドしながら、自動でリサーチを進めます。収集した情報はナレッジグラフとして蓄積され、未調査領域（ホワイトスペース）を可視化しながら調査の網羅性を高めていけます。
また、観点マトリクスを30秒・構造化レポートを10分で自動生成する機能があり、出典付きのレポートをMarkdown/PDF形式でエクスポートできます。調査の元データも保存されるため、ファクトチェックや社内共有も容易です。
ご利用をご希望の方は、こちらよりお申し込みください。
また、グラフAIを活用した社内ナレッジ管理や、研究開発・新規事業のリサーチ支援、セルフホスト導入のご相談も受け付けています。お困りの方はお気軽にご連絡ください。
市場調査やデスクリサーチの生成AIエージェントを作っています 仲間探し中 / Founder of AI Desk Research Agent @deskrex , https://deskrex.ai
コメント